应用适应法预测季节性服装需求

预测未来的需求,对服装企业供应链管理者制定决策、规划流程起着重要作用.时服装企业需求预测的方法有很多,不同的方法在企业中的运用也各不相同.通过分析比较,在各类预测方法中,证实需求趋势和季节性需求修正后的指数平滑法最适用于有明显季节性变化的服装,利用指数平滑法着重研究了生命周期较短的服装--泳衣的需求预测.对于与和泳衣这类季节性需求明显的产品有相同变化规律的其他时尚类产品,如羽绒服,也可以通过本方法进行需求量的预测.     

食触材料及其成分检测方法研究进展

论述了食触材料应用现状及其主要有害成分检测方法。食触材料在我国现阶段应用非常广泛,其种类众多,所以对人类和环境造成很大的潜在危害。总结了不同种类食触材料的有害物质的来源,分析其潜在危害,并对其中有害物成分铅、苯系物等检测方法等方面进行了简要综述。还指出推广绿色低碳无毒无害包装的重要性,并对可持续绿色环保型食触材料的研究方向进行了展望。     

宏景塔矿切顶留巷预裂切缝参数优化研究

为保证切顶留巷采空区侧顶板顺利冒落,结合宏景塔矿实际开采技术条件,通过理论分析、现场试验及以往工程经验,对浅埋深薄煤层坚硬顶板切顶留巷的双向聚能爆破预裂切缝参数进行了优化。结果表明:采用切缝角度15°、切缝高度5 m、切缝间距500 mm、装药量3+2的切缝参数,裂缝率达到92%,贯通率达到85%,且顶板沿切缝线及时并充分垮落,应用效果良好。     

确定有限疲劳可靠性数据良好假设分布的一种统一方法

拓展疲劳寿命数据分析方法到循环应力幅数据和短裂纹扩展率数据分析,综合考虑总体拟合效果,与疲劳失效机制的一致性和设计结果的安全性3要素,提出从7种常用统计分布中确定有限疲劳可靠性数据良好假设分布的统一方法。给出了7种常用统计分布参量估计与统计推断技术以及评价3要素的技术。16Mn钢,Q235钢和1Cr18Ni9Ti钢焊接头疲劳寿命数据及循环应力幅数据和短裂纹扩展率数据的分析结果表明,在有限数据条件下,极大值分布和对数正态分布是疲劳寿命的良好假设分布,极小值分布和正态分布是裂纹扩展率和循环应力幅的良好假设分布。     

基于SOPC与DDS技术的函数信号发生器

提出一种利用SOPC (System on a Programmable Chip)技术及DDS技术开发信号发生器的方法,只需用一片FPGA芯片加必要的外围电路就可以实现函数信号发生器的功能.所设计的信号发生器可以输出正弦波、三角波、矩形波3种波形,且矩形波的占空比可调.每种输出波形的频率最小值为1 Hz,最小步进值为1 Hz.     

应用静态法预测季节性服装需求

针对泳衣等对季节性敏感的服装商品市场需求波动较大,企业难以对需求量进行准确预测的问题,通过对企业历史销售数据进行归纳整理,按照销售季的时期,采用静态分析法着重研究生命周期较短的服装———泳衣的需求预测。结果表明,对于和泳装这类季节性需求明显的产品有相同变化规律的其他时尚类产品,如羽绒服,也可以通过该方法进行需求量的预测。     

软段结构对聚氨酯酰亚胺结构与性能的影响

分别以聚乙二醇（PEC）,聚己二酸丁二酯二元醇（PBA）及两者的混合物作软段溶液聚合合成了三种类型的聚氨酯酰亚胺（PUI）,红外光谱证实了聚酰亚胺硬段的存在,TG分析表明聚酯型PUI的热稳定性高于聚醚型PUI,DSC及X射线衍射实验表明聚酯PUI及聚酯含量较高的聚醚－酯混合二元醇作软段的PUI中有微晶区存在,研究PUI的应力一应变行为发现,聚酯型PUI具有更高的弹性模量及断裂强度,聚醚一酯混合型PUI随软段中聚酯含量的增加,断裂强度及弹性模量增加。     

某小型涡轮不同篦齿封严结构性能分析

通过对某小型涡轮叶顶间隙内的泄漏流动进行数值模拟,分析了不同篦齿形状、高度下叶顶间隙内气流流动特性。结果表明:叶顶泄漏流主要存在于叶片中后部;在保证间隙不变的条件下,梯形篦齿可有效降低泄漏流动;减小篦齿封严间隙可以在一定程度上提高涡轮效率。     

基体特性对D-Al2O3/Al 合金复合材料力学行为的影响

基体行为是短纤维增强金属基复合材料中一个重要的因素。本文将通过实验分析方法和在一定的理论分析模型上, 借助于弹塑性有限元分析方法, 对基体特性的变化对D-Al₂O₃/Al 合金复合材料力学行为的影响作较为详细的研究, 其中包括基体性能对应力传递、抗拉强度以及断裂机理的影响。研究表明, 基体性能的变化显著影响基体与纤维间的应力传递, 从而对复合材料的抗拉强度和断裂机理产生较大的影响。     

基于参数化量子电路的量子卷积神经网络模型及应用

量子神经网络结合了量子计算与经典神经网络模型的各自优势, 为人工智能领域的未来发展提供了一种 全新的思路. 本文提出一种基于参数化量子电路的量子卷积神经网络模型, 能够针对欧几里得结构数据与非欧几里 得结构数据, 利用量子系统的计算优势加速经典机器学习任务. 在MNIST数据集上的数值仿真结果表明, 该模型具 有较强的学习能力和良好的泛化性能.